卷积神经网络集成的比率型荧光标签用于冷藏温度下海产品新鲜度的快速监测

《Current Research in Food Science》：CNN-integrated ratiometric fluorescent tag for rapid monitoring of seafood freshness at refrigerated temperatures

　　

鉴于海产品易腐特性，准确快速的新鲜度监测对食品安全和公共卫生至关重要。本研究提出一种用于检测氨（NH3）以评估海产品新鲜度的比率型荧光标签，采用D-青霉胺（D-penicillamine，DPA）包覆的银/铜纳米簇（Ag/Cu nanoclusters，DPA-AgCuNCs）与异硫氰酸荧光素（fluorescein isothiocyanate，FITC）作为双发射探针。所合成具有聚集诱导发光（aggregation-induced emission，AIE）特性的DPA-AgCuNCs对氨具有高灵敏度，检测限为2.95 ppm（3σ/s）。通过将橙色发射的DPA-AgCuNCs与绿色发射的FITC集成，所制备比率型荧光标签随氨浓度升高呈现明显的橙到绿荧光转变，可实现新鲜度肉眼评估。研究人员进一步建立荧光色卡，用于新鲜、次新鲜和腐败样本的初步区分。为提升分类客观性与一致性，引入卷积神经网络（convolutional neural network，CNN）辅助图像分析，对新鲜、次新鲜和腐败虾的精确率分别达95.24%、100%和100%。现场监测方面，CNN被集成进智能手机应用（FreshSense），构建海产品新鲜度快速监测平台。该概念验证系统快速、现场、非破坏，在食品质量安全筛查中具有应用潜力。

论文解读：《Current Research in Food Science》报道的研究

研究背景方面，海产品是人类膳食重要营养来源，其新鲜度关系公共卫生与消费者满意度。低温冷藏可抑制细菌和代谢活动，但冷藏下内源酶和微生物仍使海产品释放挥发性胺（volatile amines，VAs），其中氨（NH₃）和生物胺（biogenic amines，BAs）是总挥发性盐基氮（total volatile basic nitrogen，TVB-N）关键组分，可作为新鲜度指标。传统化学微生物测量、色谱、质谱和光谱技术虽准确，但样品前处理耗时、仪器复杂，难以用于非破坏动态监测。早期单信号荧光传感器易受环境干扰、裸眼对比度不足；比率型荧光探针具自校准优势，但许多探针聚集导致猝灭（aggregation-caused quenching，ACQ），而聚集诱导发光（AIE）型挥发性胺探针仍有限。金属纳米簇（metal nanoclusters，MNCs）光稳定性高、毒性低、组成可调；双金属纳米簇因协同效应受关注，但具AIE性质的银铜纳米簇用于氨传感仍有待开发。裸眼比色天然主观，个体色觉差异会造成判读不一致，因此需自动化图像分析。

研究人员开展的研究是：以DPA包覆Ag/Cu双金属纳米簇（DPA-AgCuNCs）为橙光AIE探针，以FITC为绿光pH响应探针，构建双发射比率型荧光标签；用该标签在4℃下监测虾释放NH₃引起的橙绿荧光转变，并结合CNN对荧光图像做客观分类，最终将ResNet-34模型嵌入智能手机应用FreshSense实现现场筛查。结论上，该标签对NH₃检测限2.95 ppm，虾样本CNN总体准确率98.36%，三文鱼、鳕鱼、草鱼分类准确率分别为93.52%、90.74%、92.59%；系统快速、现场、非破坏，证明便携式荧光传感与自动化分类融合可用于海产品新鲜度筛查。

主要关键技术方法：研究人员以佛山AEON超市购买的沙虾（Metapenaeus ensis）为样本，按GB 5009.228-2016和GB 2707-2016以TVB-N划分新鲜（≤15 mg/100 g）、次新鲜（15–30 mg/100 g）、腐败（≥30 mg/100 g），按GB 4789.2-2022以总活菌数（total viable counts，TVC）6.0 log₁₀ CFU/g为腐败阈值；构建1842张荧光图像数据集（615新鲜、609次新鲜、618腐败）并以翻转、旋转、缩放、裁剪、平移和高斯噪声增广，另设122张独立测试集；采用迁移学习训练ResNet-34、VGGNet-16、AlexNet、GoogLeNet、DenseNet五类CNN，替换分类头为三节点全连接层，交叉熵损失与Adam优化器训练，早停策略控制过拟合，ResNet-34再做分层5折交叉验证，并将最优模型接入智能手机端推理。

研究结果如下。

3.1 DPA-AgCuNCs的结构表征：研究人员通过微波辅助合成DPA-AgCuNCs，UV-vis吸收无特征、360 nm激发下585 nm发射，沉淀态强橙光证实质子AIE；寿命4.023 μs、Stokes位移225 nm支持配体到金属电荷转移（ligand-to-metal charge transfer，LMCT）来自DPA硫原子至Ag/Cu核；Cu²⁺比例升高使发射由585红移至630 nm。FTIR中-SH峰消失表明Cu/Ag-S键形成；XPS显示Cu主要为Cu(0)/Cu(Ⅰ)、Ag为Ag(0)；TEM显示平均直径2.99±0.54 nm，EDX证实C、N、Cu、Ag、S均匀分布，证明双金属纳米簇成功制备。

3.2 比率型标签的制备：DPA-AgCuNCs在10–120 ppm NH₃范围内580 nm荧光淬灭，线性好（R²=0.998），检测限2.95 ppm。FITC与DPA-AgCuNCs物理混合无新吸收带，发射峰510 nm与585 nm叠加；SEM显示纤维纸多孔，FITC呈片层、DPA-AgCuNCs呈花瓣状颗粒，共沉积后二者共存，标签制备成功。

3.3 氨响应行为：比率标签随NH₃由橙黄变暗绿，欧氏距离（Euclidean distance，ED）增大，半定量可行；单探针颜色变化弱于比率标签。对甲醇、DMF、DMSO、乙酸、甲醛等干扰物变化小，对NH₃、三甲胺（trimethylamine，TMA）、腐胺（putrescine，Put）及混合气体响应显著；PCA得分图将代表性腐败挥发物与其余干扰物分开，证明对腐败相关挥发物有选择性。

3.4 传感机制探索：NH₃暴露后UV-vis出现266.8 nm和338.1 nm新带，提示基态非荧光络合物形成，属静态淬灭；寿命由4.023 μs降至3.27 ns提示动态淬灭，总体为静态-动态协同、静态为主。XPS氮含量由9.13%升至10.49%，Cu 2p尖双峰消失，说明NH₃配位改变Cu/Ag配位环境；ζ电位绝对值上升、SEM见聚集体解聚。FITC侧因NH₃使内酯环打开成羧酸盐而增强绿光，从而与橙光DPA-AgCuNCs构成互补双信号。

3.5 比率型标签优化：体积比优化中，FITC单签弱绿、DPA-AgCuNCs单签橙光衰减；v_DPA-AgCuNCs:v_FITC=4:0.5组初始亮橙，随4℃贮藏转为苍黄再转绿，与TVB-N、TVC进程一致，被选为最优。研究人员据此建荧光色卡：鲜、次鲜、腐对应橙、黄、绿。标签30天4℃保留94.47%荧光，33%–90%湿度保留逾91%，365 nm紫外5天保留95.47%，环境稳定性满意。

3.6 CNN辅助传感平台性能：五模型中ResNet-34最优，测试集准确率98.39%、精确率98.48%、召回率98.41%、F1 98.41%、AUC 99.02%；分层5折准确率96.81±0.92%、AUC 99.58±0.26%。122张未知图像上鲜、次鲜、腐精确率分别为100%、95.24%、100%，仅2张鲜样本误分。研究人员将ResNet-34装入FreshSense，用户拍标签即出预测；三文鱼、鳕鱼、草鱼准确率93.52%、90.74%、92.59%。作者指出当前为概念验证，推理在远端服务器，后续需模型压缩与设备端部署。

讨论与结论翻译：综上，本研究通过集成具AIE性质的橙光DPA-AgCuNCs与绿光FITC，开发用于海产品新鲜度快速评估的比率型传感平台。两探针对NH₃响应互补：DPA-AgCuNCs经静态-动态协同淬灭减弱，FITC经内酯环打开为羧酸盐形式增强，产生橙到绿转变；基于此建荧光色卡作裸眼初筛，CNN辅助图像分析提升客观性与一致性，虾样本总体准确率98.36%，三文鱼、鳕鱼、草鱼分别93.52%、90.74%、92.59%。优化ResNet-34入智能手机应用作概念验证，证明便携荧光传感与自动分类融合可行。后续将聚焦模型压缩、设备端部署及计算与运行成本系统评估，以提升完全离线新鲜度评估的实用性。